本文提出了一种从自动驾驶车辆的稀疏激光雷达数据中估计密集光流的新方法，用于替代基于图像的光流系统。该方法使用多尺度滤波器的三级结构来推断高分辨率2D流，并在lidar和图像域中结合多个中间目标。通过使用FlowNet2计算的假伪基于图像的光流，我们使用包含约20K lidar样本的Kitti数据集训练网络。在Kitti数据集上演示了我们方法的有效性，表明尽管使用低分辨率和稀疏的lidar测量，我们可以回归与基于图像的方法相当的密集光流图。

该研究使用深度学习模型推进了激光雷达数据中的个体树冠分割，适用于不同的激光扫描类型。研究评估了模型在不同数据情景下的性能，并在树木分割中树立了新的标准。该研究对未来的生态建模和森林管理有贡献。